Seedance 2.0 提示词工程

Seedance 2.0 是字节跳动推出的 AI 视频生成模型，支持文字、图片、视频和音轨等多模态输入，在单次推理中生成音画同步的短视频。本条目整理了其提示词工程方法，核心是将“感受描述”翻译为“执行序列”，通过五层公式（主体、动作、镜头、风格、约束）构建提示词，并利用时间编码和参考文件实现精细控制。报告指出，主体描述需具体到年龄、发型、服装等属性；动作应分解为具体执行序列；镜头每代只放一个主运动；风格优先写光线和质感；约束词用于减少抖动、变形等 AI 痕迹。此外，时间编码支持按秒调度画面，参考文件（最多 9 图、3 视频、3 音轨）可提升一致性。报告还介绍了单变量迭代优化方法，并列举了 UGC、产品广告、短片等应用场景。

报告指出 AI 视频生成存在多重困境：提示词不等于画面，模型需要执行序列而非感受描述；多数用户只用文字输入，未充分利用多模态能力；修改提示词时盲目全改，难以定位问题变量；人类习惯用状态描述（如“夕阳很美”），而模型需要的是镜头语言和动作指令。Seedance 2.0 提示词工程旨在解决这些问题，通过结构化提示和参考文件释放模型能力。

报告提出五层提示词公式：主体 → 动作 → 镜头 → 风格 → 约束。主体描述需具体（年龄、发型、服装、配饰等），动作需分解为执行序列（如“举向镜头、停顿、抹开质地”），镜头每代只放一个主运动并控制速度，风格优先写光线和质感（如“golden hour rim light”），约束词用于减少 AI 味（如 avoid jitter、avoid bent limbs）。此外，支持时间编码（如 [0-4s] 格式）按秒调度画面，以及参考文件系统（最多 9 图、3 视频、3 音轨），其中“首尾帧法”通过首帧和尾帧图片让模型自动插值中间过程。迭代优化采用单变量修改，先跑 2-3 个基线版本，再逐个调整变量。

• 多模态输入：支持文字、图片、视频、音轨同时输入，最多 12 个参考文件。
• 音画同步生成：在单次推理中同步生成视频和双声道音频。
• 时间编码调度：可在提示中用时间戳精确导演每个阶段的画面。
• 首尾帧法：通过首帧和尾帧图片获得连贯过渡。
• 镜头语言敏感：对运镜描述理解力强，支持固定、推近、跟拍、环绕等。
• 单变量迭代：一次只改一个变量，便于定位问题。

• AI 整理 · 本地测试，未经人工复核；依据历史报告节选，不代表当前产品状态。
• 报告指出 Seedance 2.0 最长生成 15 秒视频，不适合超长叙事；复杂物理模拟（碰撞、流体）不如专业引擎；不支持精确口型同步到特定台词；单次生成需要等待，不适合实时需求。此外，主要面向中国市场，国际用户需通过即梦海外版。学习曲线较高，需要掌握五层公式、时间编码和参考系统。